个人知识库

2026-07-10-juejin-loop-engineering-claude-ship

12分钟阅读

Loop Engineering 半年实战拆解：自进化的开发系统已开源

一位量化开发者把跑了半年的 loop 工程系统（claude-ship）开源，用真实使用痕迹拆解 7 个 agent + /ship 状态机的设计决策，核心论点是”最重要的循环不是 dev→review→qa 代码循环，而是 retro→memory→下一个 feature 的进化循环”。

基本信息

核心观点

  1. 单人开发的三个致命弱点是”人的问题”而非 AI 的问题：AI 只是忠实暴露了以前被团队结构掩盖的弱点——确认偏误（和同一个模型对话它会顺着你走，一个人的头脑风暴是回音壁）、审查疲劳（初期每行都看，三个月后只扫关键函数，认知经济学决定 95% 正确率下大脑把审查预算降到 5%，但那 5% 的错误不会自己贴标签）、记忆蒸发（三个月前的诡异 bug 怎么修的？注释”fix edge case”毫无帮助，一个人的团队没有同事可问）。整套 loop 的起点就是”用系统性约束把这三个问题关进笼子”。

  2. 七步流水线不是更聪明，是更不蠢：7 个 agent 各有独立人格、工具权限、模型分配，输出统一落在 <feature-name>/ 目录形成”七件套”（requirements → design → third_party_review → implementation → review → test_report → retro）。模型分配按认知特征而非强弱：review 用 Opus（高判断力、慢但准），dev/qa 用 Sonnet（快速便宜），clarify/architect 用默认模型。

  3. review 的”先猜后看”是整套体系最满意的设计：review agent 不是”读代码→找问题”，而是先只读 design.md/implementation.md 列出 3-5 个最可能的缺陷区域（预测），再带着预测审代码，并同时记录预测命中和预测未覆盖的问题（后者更重要，暴露盲区）。这把认知科学发现（先看答案再推理会高估自己，先预测再看答案校准精度大幅提升）工程化了。预测起点不是直觉而是 memory——检索历史事故模式，使系统审查能力随使用次数增长。

  4. retro 存 memory 的三条铁律筛掉废话：必须同时满足 Non-Googleable（网上搜不到，排除通识）、Codebase-Specific（能指到具体文件/错误/项目独有模式）、Hard-Won（真实 debug 付出代价的教训）才能入库；memory 总数硬上限 5-8 个，新进旧的要合并淘汰。原因不是存储贵，而是噪音会毒化进化循环——存 100 条”注意边界条件”级别的废话，下次检索命中率反而下降。

  5. /ship 状态机把 review gate 做成真正的闸门：dev 在本 session 执行（可实时打断），review/qa 用 Task 工具开独立 subagent（隔离上下文，只看文档、看不到 dev 的内心独白，强制保持不相关性）；gate 是硬阻断（Critical/Important 阻断计数 > 0 就跳过本轮 QA 直接打回 dev，跳过 QA 是为了省 token）；循环有硬上限（第 4 轮暂停询问、超 5 轮强制终止并给根因分析）；文档是 agent 间接口协议（review.md/test_report.md 增量追加，历史章节不得改删，可回溯决策演进）。

  6. 真正值钱的是进化循环不是代码循环：代码循环保证”这一次”不出错，进化循环保证”下一次”比这一次更强且自动。六个月里 memory 从空到 7 条 hard-won 事故模式，review 预提交预测命中率从五成提到七成多——不靠模型升级（Opus 还是那个 Opus），靠”系统记住了上次在哪摔的，这次先看那个方向”。每次迭代在三个维度积累：知识（memory）、校准（预测命中率暴露盲区）、流程（agent 定义的迭代）。这是复利结构，不是一次性效率提升。

实操内容保留

代码/配置

安装与使用（原文完整命令）：

git clone https://github.com/Peakstone-Labs/claude-ship.git
cd claude-ship
./install.sh   # 拷贝进 ~/.claude，立即可用

之后在任意项目里的工作流命令序列：

/clarify <feature>
/architect <feature>
（可选）/third_party_review <feature>
/ship <feature>
/retro <feature>

启用跨厂商设计评审：复制 third-party-review.d/provider.env.example 为 <provider>.env，填入第三方端点信息（endpoint + key + model，任何兼容 Anthropic Messages API 的服务如 DeepSeek、Kimi 均可）。实现方式是 headless Claude Code + 切换 ANTHROPIC_BASE_URL 到第三方端点，脚本自动拉起独立会话，把 design.md、requirements.md、项目 CLAUDE.md 喂进去后落盘评审报告。

仓库结构：commands/（slash 命令入口）、agents/（agent 人格定义，纯文本读完只需五分钟）、templates/development/（八个文档模板）、scripts/third-party-review.sh（跨厂商评审的 headless Claude Code wrapper）。

操作步骤

review agent 的”先猜后看”工作流程：

  1. 先不读代码，只读 design.md 和 implementation.md，基于设计列出 3-5 个最可能的缺陷区域（如”错误处理可能不全”、“并发场景可能有竞争”）。预测起点先从 memory 检索相关历史事故模式。
  2. 带着这些预测去审代码。
  3. 记录预测命中的问题，也记录预测未覆盖的问题（后者更重要，说明预判有盲区）。

“低风险即修”准则（Minor/Suggestion 级问题）：如果同时满足四个条件——有客观依据、无副作用（不改公共 API/数据格式/外部行为）、改动量 ≤20 行且单文件、不需要用户确认——必须修，不允许说”先跳过”。延后理由有白名单，只有四种合法：超出 scope、需用户确认、需大重构、与 design 冲突；禁止”后续优化""暂时忽略”这类模糊措辞（会被标记 rejected-defer 照样阻断）。

上手建议（三条）：

  1. 从 review 和 retro 开始，而不是七个全上——这两个 agent ROI 最高。
  2. 先写好 CLAUDE.md，花一小时写好比花一天调 agent prompt 更值。
  3. 把第一个 feature 的 memory 当投资而非成本，前三个 feature 是在给第四个及之后种地。

关键概念

  • claude-ship — 本文开源的 loop 工程系统实现，7 agent + /ship 状态机
  • 预提交预测 — review agent”先猜后看”的核心设计，把认知科学校准回路工程化
  • Loop Engineering — 本文是 Loop Engineering 落地半年的实战拆解与开源样本
  • 自我改进代理系统 — 本文的”进化循环”（retro→memory→下一个 feature）是自我改进系统的具体案例
  • 7 Agent 软件工厂 — 同为 7-agent 结构化开发方法论，可对照两套设计
  • 事前验尸 — review 的预提交预测与事前验尸同源（都是”先假设/预测再验证”以提升校准）
  • 验证者子代理 — review/qa 用独立 subagent 隔离上下文，是执行者-验证者分离的实现
  • 状态文件 — 七件套文档是 agent 间接口协议，等价于 loop 的状态持久化

与其他素材的关联

  • 与 2026-06-22-loop-engineering-woshipm 的关系：那篇给出 Loop Engineering 的六模块/三角色抽象框架，本文是把框架落成一套跑了半年、已开源的具体系统，用真实使用痕迹补齐”每个模块具体怎么设计”。
  • 与 2026-07-06-blocktempo-fable-5-self-improving-agent 的关系：两篇都主张”最重要的是进化循环、执行者与验证者必须分离、教训要蒸馏写回 memory/Skill”，本文用 claude-ship 的 retro→memory 闭环和 review 独立 subagent 给出了同一主张的另一套工程实现。
  • 与 2026-07-01-loop-engineering-pm-codification 的关系：那篇从 PM 视角讲”验收门禁/独立验证器/状态文件”，本文的 /ship 硬阻断 gate、跨厂商评审、七件套文档正是这些管理概念在代码层的落地。
  • 与 2026-07-01-woshipm-multi-agent-coding-pipeline 的关系：两篇都强调多 agent 拆分要以上下文隔离为中心、子智能体只返回结果由主流程判断、无证据不算完成、循环要有重试熔断上限。

原文精彩摘录

“我现在基本不直接 prompt Claude 了，我写的是循环——让循环去 prompt Claude，然后自己决定下一步。“（Boris Cherny，Claude Code 负责人）

“如果 95% 的 AI 生成代码都是对的，你的大脑会自动把审查预算降到 5%。问题是，那 5% 的错误不会自己贴上标签。”

“六个月后，memory 里存了七条 hard-won 的事故模式……现在 review 启动时，先从 memory 检索相关模式，再列预测清单。命中率从五成提到了七成多。这不靠模型升级——Opus 还是那个 Opus。靠的是：系统记住了上次在哪摔的，这次先看那个方向。”

“一个没有 memory、没有校准、没有自我改进的死循环，只是一个配置了重试逻辑的脚本……一个会学习的循环，每一次迭代都在三个维度上积累：知识积累、校准积累、流程积累。”

“开源不是因为我觉得它完美。恰恰是因为它不完美——第四节列的那五个缺陷，每一个都是真实使用中暴露出来的。开源的目的不是’发布最佳实践’，是让更多人用起来，然后告诉我哪里设计错了。“

相关页面

关系图谱

快速导航

反向链接